基于电化学模型的锂离子电池荷电状态估计方法研究
锂离子电池荷电状态估计（State of Charge,SOC）是电池管理系统的核心功能，提高SOC估计精度，可提高电池的使用效率、延长其使用寿命，保证电池的可靠性和安全性。而精确的电池建模是准确估计电池荷电状态的基础，本文以准二维多孔电极模型和单粒子模型为基础，研究了扩展单粒子模型，并基于该模型实现了SOC的在线估计，主要内容有： (1)基于准二维多孔电极模型，提出了一种正极-集流体边界和负极-集流体边界处锂离子浓度的近似求解方法。首先，基于准二维多孔电极模型分析了边界处液相浓度与放电倍率的关系；紧接着采用线性拟合得到液相浓度极值与放电倍率之间的函数关系，当液相浓度达到极值时则认为其保持不变；然后对达到稳定值前液相浓度，采用BP神经网络训练当前时刻正极-集流体边界和负极-集流体边界处的液相浓度与电流密度和上一时刻正极-集流体边界和负极-集流体边界处的液相浓度之间的关系，为后续扩展单粒子模型的建立打下基础。 (2)针对单粒子模型在中高倍率放电工况下模型误差大的问题，研究了精度更高的扩展单粒子模型。首先利用分析出的液相浓度变化规律来近似求解液相扩散过电势，同时引入固相扩散的近似求解，丰富欧姆极化过程，使建立的扩展单粒子模型精度更高。紧接着分析了相关电化学参数的敏感度问题，并基于遗传算法实现了相关参数的离线辨识。 (3)基于本文提出的扩展单粒子模型，研究了SOC在线估计算法。根据对单粒子模型的精度分析，发现修正系数的自适应取值会提高扩展单粒子模型的精度。因此，本文采用扩展卡尔曼滤波估计器(Extended Kalman Filter,EKF)，将修正系数纳入状态变量，与SOC一同估计。另外，考虑到实际应用中会存在噪声，利用协方差匹配法(Covariance Matching,CM)改进EKF算法对噪声进行在线更新，进一步提高SOC估计精度。最后，为了降低老化对SOC估计的影响，基于NASA数据分析了ΔU-ΔQ与电池健康状态(State Of Health,SOH)之间的关系，研究了电池容量修正方法，对SOC进行老化补偿，提高了SOC估计的精度。
锂离子电池;荷电状态估计;使用寿命;电化学模型;扩展卡尔曼滤波
南京航空航天大学
硕士
测试计量技术及仪器
陈则王
2017
中文
TM912.9;TM910.1
80
2018-09-29（万方平台首次上网日期，不代表论文的发表时间）